论文部分内容阅读
摘要:广域测量系统(Wide Area Measurement System,WAMS)的发展,给电力系统信息测量带来了一场革命,通过相量测量单元(Phasor Measurement Unit, PMU) 将电力系统中各个节点的相量测量值,如电压、电流、功角等,折算到同一个时间参考点坐标下,从而为大规模电力系统的运行状态监测分析提供了一个同步的实时数据平台,为电力系统测量,分析和控制提供了快速可靠的同步數据。本文总结了PMU的配置方法并介绍了WAMS在电力系统中的应用情况。
关键词:电力系统;WAMS;PMU;同步相量测量
作者简介:张国彦(1980-),男,内蒙古赤峰人,赤峰电业局500kV巴林变电站,助理工程师,主要研究方向:电力系统自动化。
(内蒙古 赤峰 025150)
广域测量系统(WAMS)是近年来发展起来的一项新的测量技术,它基于同步相量测量和现代通信技术理论,对大规模电力系统的运行状态进行监测和分析,从而为电力系统安全运行和进行实时控制提供快速可靠的同步数据。由于其测量精度在毫秒数量级,因此为电力系统在线暂态稳定计算等领域的研究提供了新的技术支持,它也是近10年来各国电力公司在电网监测方面投资建设的一个重点。
基于全球定位系统(Global Position System,GPS)的相量测量单元(PMU)能将电力系统中各节点的相量测量值(如电压、电流、功角等),折算到某个时间参考点坐标下,从而可以在相同的时标下记录电力系统不同位置的相量信息。通过高速通信网络,可以将PMU子站分散的相量数据集中起来,构成整个电力系统同一时间断面上的测量信息平台。随着电力系统中PMU安装数量的不断增加,就可以形成时空坐标下电力系统全局性的实时动态信息,从而构成广域同步测量系统(WAMS)。
PMU利用GPS所发出的高精度对时信号,可将电压、电流和功角等同步量测量的更新速度由秒级提高到毫秒级,这带来了电力系统信息测量方式上的一场革命。自上世纪90年代以来,PMU就在世界各国的电力系统中得到了迅速的推广应用。
一、PMU的配置方法
目前,电力系统可观性的PMU配置研究还处于起步阶段,还不是十分完善,但是它已经引起了国内外学者的注意,而且是一个重要的研究课题。自上世纪80年代开始就出现了有关电力系统可观性的文献,考虑PMU配置的系统可观性的文献则出现得较晚。这些文献主要是提出了一些算法在电力系统中配置PMU,利用PMU测得的电压和电流相角来实现一些功能,例如分析系统可观区域、不可观区域,划分系统可观性深度以及使潮流方程非迭代可解等。下面介绍三种用于PMU优化配置的算法。
1.模拟退火法
模拟退火法[1]是来源于研究热系统中最小能量分布的一种统计物理学方法,当一个系统的温度以足够慢的速度下降时,系统近似处在热平衡状态,最后达到系统本身的最低能量状态。将这一思路引入优化过程,只要模拟过程足够充分,算法就可以概率1收敛到全局最优解。它的基本思想是通过设定能量函数逐渐寻求该函数的最小值,也即求出全局最优解来实现PMU优化配置。
2.禁忌探索法
禁忌探索法[2]的基本思想是采用一个变化的搜索历史记忆器,或称之为禁忌表,来指导寻优过程,以克服局部最优解。对进入禁忌表的搜索路径加以禁忌,这样可以避免搜索的反复和重复,因此在一定程度上使搜索过程能够避开局部极值点,开辟新的搜索区域,并最终达到全局最优点。它的算法是创立一个初始化的方案,基于初始化的方案,算法“移动”到一个相邻的方案。一般而言,许多移动是连续的过程,方案的质量被不断提高。一个禁忌清单被用于指导搜寻,当达到某一特殊的中断条件时算法就结束,它是一种确定性的搜寻算法。
3.遗传算法
遗传算法[3]是一种基于自然群体遗传演化机制的高效探索算法,由美国学者Holland于1975年首先提出来。它摒弃了传统的搜索方式,通过模拟自然界生物进化过程,并采用人工进化方式对目标空间进行随机化的搜索。它把问题域中的可能解看作是群体的一个个体或染色体,并把每一个个体编码成符号串形式,模拟达尔文的遗传选择和自然淘汰的生物进化过程对群体反复进行基于遗传学的操作:遗传,交叉和变异。根据预定的目标适应度函数对每个个体进行评价,根据适者生存,优胜劣汰的进化规则,不断地得到更优的群体,同时以全局并行搜索方式来搜索优化群体中的最优个体,最后求出满足要求的最优解。
Holland的遗传算法是一种概率搜索算法,它是利用某种编码技术作用于称作染色体的数串,其基本思想是模拟由这些数串组成的进化过程。该算法通过有组织的然而是随机的信息交换重新组合那些适应性好的数串,在每一代中,利用上一代串结构中适应好的位和段来生成一个新的串的群体,作为额外增添,偶尔也要在串结构中尝试用新的位和段来替代原来的部分。
遗传算法是一类随机化算法,但并不是一般简单的随机走动,它可有效地利用已有信息处理来搜索那些有希望改善解质量的串,跟自然进化类似,遗传算法通过作用于染色体上的基因,来寻找好的染色体求解问题。遗传算法对待求解问题本身一无所知,这一点与自然界相似,它只需要对算法所产生的每个染色体进行评价,并基于适应度值来造反染色体,使适应性好的染色体比适应性差的染色体有更多的繁殖机会。
二、WAMS在电力系统中的应用
由于WAMS能提供全网各节点的实时同步相量信息,因此在电力系统中的应用非常广泛,下面给出了一些WAMS在电力系统中的应用情况。
1.电网扰动识别
通常用于状态监控的扰动识别方法[4]可分为两类:统计方法(也称非确定性分类方法)和自由分布方法(也称确定性分类方法)。统计模式识别方法的性能依赖于特征量的概率分布,而电力系统的监控中的概率分布往往是未知的,所以此种方法不适用于电力系统。而自由分布模式识别方法以样本和描述过程状态模式之间的相似性为基础,因此较适用于电力系统。
在进行扰动识别时,电力系统的WAMS中心站通过分布于全网的PMU采集到的信息包括电压、电流、功率、频率和相角等。由于功率变化具有很大的不确定性,而负序和零序分量对系统本身影响较小。因此,可采用以下特征量进行分析处理:正序电压、正序电流、母线频率和发电机功角。这些测量值的变化可反映出电网中不同的扰动。
由于各种通道延时,PMU子站数据传送至中心站的数据延时约为20～50 ms。这对于扰动识别来说,可以满足实时性要求。
2.低频振荡在线辨识
电力系统在遭受到小扰动时的暂态响应过程代表了系统的低频振荡特性。利用WAMS同步对时测量系统,远方的PMU能够对系统暂态过程进行精确地采样,并将离散数据列传送到主站中心进行Prony分析。
在WAMS系统中,小扰动激励下的暂态过程首先是由远方PMU进行采样,然后PMU为各个采样数据对象赋以GPS时标。PMU与WAMS主站之间通过建立TCP/IP连接来进行采样数据的传递。主站方一般被选定为协议的客户方。当数据被传送到主站后,主站程序依据双方约定的应用规约对TCP数据报文进行解释。根据各个采样点自带的GPS时标,暂态过程数据被存入到原始数据缓冲区中。[5]
3.潮流转移识别
电力系统的潮流转移通常发生在网络的拓扑结构发生变化后,当系统中某条线路因故障被切除后,其上的潮流将会转移到系统中其他正常运行的线路上,从而有可能引起正常线路的过载。由于现有的保护都是仅利用保护安装处的本地测量信号来达到尽快清除故障元件或不正常运行状态的目的,而不考虑其动作对整个系统的影响,所以它无法区分故障与潮流转移造成的过负荷,不能阻止因线路陆续过载而引起的连锁跳闸事件。
广域测量系统(WAMS)的出现为电力系统继电保护的设计提供了一个全新的思路。通过WAMS可以获得全网的同步动态信息,这使得从电网整体最优的角度来設计保护成为可能,并且高速数据传输使得主站的数据更新达到20～50ms,这对于后备保护的设计尤为重要,因其出口延时可以使它有足够的时间来获取整个电力系统中的同步信息。
文献[6]提出了一种基于广域测量系统的潮流转移识别算法, 用于避免因故障线路切除导致潮流转移引起的电力系统中其他正常线路后备保护动作,从而避免了连锁跳闸的发生。
4.电力系统状态估计
状态估计是现代电力系统中能量管理系统(EMS)的一个重要组成部分,它是从软件的角度利用算法来对系统中的各种量测进行去伪存真、提高精度的方法,是电力系统许多在线计算分析应用的基础。目前这方面无论是在理论还是工程实践上都已经有了大量的研究成果。
广域测量系统不但具有数据采集精度高、数据传输通信快的特点,而且在测量类型上增加了母线电压相角测量和支路电流相角测量,因此可以利用这些特点来改进目前状态估计算法。
文献[7]采用伪量测的概念,利用量测变换方法把SCADA系统上的支路功率量测转换成等效支路电流相量量测,对原有的WAMS量测进行补充从而组成混合量测系统,并给出了直角坐标形式的混合量测状态估计算法。该算法具有常数的雅克比矩阵和信息矩阵,经过一些简化处理,该信息矩阵可对节点电压相量的实部和虚部进行解耦处理。此外,该文还研究了该算法对有注入功率节点的处理,并针对不同的R/X值对该算法收敛情况的影响以及PMU量测值对估计结果精度的影响进行了分析。
三、结论
通过总结WAMS在电力系统电网扰动识别、低频振荡在线辨识、潮流转移识别和电力系统状态估计等方面的应用可见,WAMS给电力系统中一系列问题的研究提供了新的方法和视角,探讨WAMS在电力系统中各个领域的新的应用,尤其是基于WAMS技术构建大规模互联电力系统的广域安全监测控制系统将会有重大的意义。
参考文献:
[1]王凌.智能优化算法及其应用[M].北京:清华大学出版社,2001:1-230.
[2]张颖,刘艳秋.软计算方法[M].北京:科学出版社,2002:134-154.
[3]周明,孙树栋.遗传算法原理及应用[M].北京:人民邮电出版社,2001.
[4]宋晓娜,毕天妹,吴京涛,杨奇逊.基于WAMS的电网扰动识别方法[J].电力系统自动化,2006,30(5):24-28.
[5]陈树恒,李兴源.基于WAMS的低频振荡模式在线辨识算法[J].继电器,2007,35(2):17-22.
[6]徐慧明,毕天妹,黄少锋,等.基于WAMS的潮流转移识别算法[J].电力系统自动化.2006,30(14):14-19.
[7]丁军策,蔡泽祥,王克英.基于广域测量系统的混合量测状态估计算法[J].中国电机工程学报,2006,26(2):58-63.
(责任编辑:苏宇嵬)
关键词:电力系统;WAMS;PMU;同步相量测量
作者简介:张国彦(1980-),男,内蒙古赤峰人,赤峰电业局500kV巴林变电站,助理工程师,主要研究方向:电力系统自动化。
(内蒙古 赤峰 025150)
广域测量系统(WAMS)是近年来发展起来的一项新的测量技术,它基于同步相量测量和现代通信技术理论,对大规模电力系统的运行状态进行监测和分析,从而为电力系统安全运行和进行实时控制提供快速可靠的同步数据。由于其测量精度在毫秒数量级,因此为电力系统在线暂态稳定计算等领域的研究提供了新的技术支持,它也是近10年来各国电力公司在电网监测方面投资建设的一个重点。
基于全球定位系统(Global Position System,GPS)的相量测量单元(PMU)能将电力系统中各节点的相量测量值(如电压、电流、功角等),折算到某个时间参考点坐标下,从而可以在相同的时标下记录电力系统不同位置的相量信息。通过高速通信网络,可以将PMU子站分散的相量数据集中起来,构成整个电力系统同一时间断面上的测量信息平台。随着电力系统中PMU安装数量的不断增加,就可以形成时空坐标下电力系统全局性的实时动态信息,从而构成广域同步测量系统(WAMS)。
PMU利用GPS所发出的高精度对时信号,可将电压、电流和功角等同步量测量的更新速度由秒级提高到毫秒级,这带来了电力系统信息测量方式上的一场革命。自上世纪90年代以来,PMU就在世界各国的电力系统中得到了迅速的推广应用。
一、PMU的配置方法
目前,电力系统可观性的PMU配置研究还处于起步阶段,还不是十分完善,但是它已经引起了国内外学者的注意,而且是一个重要的研究课题。自上世纪80年代开始就出现了有关电力系统可观性的文献,考虑PMU配置的系统可观性的文献则出现得较晚。这些文献主要是提出了一些算法在电力系统中配置PMU,利用PMU测得的电压和电流相角来实现一些功能,例如分析系统可观区域、不可观区域,划分系统可观性深度以及使潮流方程非迭代可解等。下面介绍三种用于PMU优化配置的算法。
1.模拟退火法
模拟退火法[1]是来源于研究热系统中最小能量分布的一种统计物理学方法,当一个系统的温度以足够慢的速度下降时,系统近似处在热平衡状态,最后达到系统本身的最低能量状态。将这一思路引入优化过程,只要模拟过程足够充分,算法就可以概率1收敛到全局最优解。它的基本思想是通过设定能量函数逐渐寻求该函数的最小值,也即求出全局最优解来实现PMU优化配置。
2.禁忌探索法
禁忌探索法[2]的基本思想是采用一个变化的搜索历史记忆器,或称之为禁忌表,来指导寻优过程,以克服局部最优解。对进入禁忌表的搜索路径加以禁忌,这样可以避免搜索的反复和重复,因此在一定程度上使搜索过程能够避开局部极值点,开辟新的搜索区域,并最终达到全局最优点。它的算法是创立一个初始化的方案,基于初始化的方案,算法“移动”到一个相邻的方案。一般而言,许多移动是连续的过程,方案的质量被不断提高。一个禁忌清单被用于指导搜寻,当达到某一特殊的中断条件时算法就结束,它是一种确定性的搜寻算法。
3.遗传算法
遗传算法[3]是一种基于自然群体遗传演化机制的高效探索算法,由美国学者Holland于1975年首先提出来。它摒弃了传统的搜索方式,通过模拟自然界生物进化过程,并采用人工进化方式对目标空间进行随机化的搜索。它把问题域中的可能解看作是群体的一个个体或染色体,并把每一个个体编码成符号串形式,模拟达尔文的遗传选择和自然淘汰的生物进化过程对群体反复进行基于遗传学的操作:遗传,交叉和变异。根据预定的目标适应度函数对每个个体进行评价,根据适者生存,优胜劣汰的进化规则,不断地得到更优的群体,同时以全局并行搜索方式来搜索优化群体中的最优个体,最后求出满足要求的最优解。
Holland的遗传算法是一种概率搜索算法,它是利用某种编码技术作用于称作染色体的数串,其基本思想是模拟由这些数串组成的进化过程。该算法通过有组织的然而是随机的信息交换重新组合那些适应性好的数串,在每一代中,利用上一代串结构中适应好的位和段来生成一个新的串的群体,作为额外增添,偶尔也要在串结构中尝试用新的位和段来替代原来的部分。
遗传算法是一类随机化算法,但并不是一般简单的随机走动,它可有效地利用已有信息处理来搜索那些有希望改善解质量的串,跟自然进化类似,遗传算法通过作用于染色体上的基因,来寻找好的染色体求解问题。遗传算法对待求解问题本身一无所知,这一点与自然界相似,它只需要对算法所产生的每个染色体进行评价,并基于适应度值来造反染色体,使适应性好的染色体比适应性差的染色体有更多的繁殖机会。
二、WAMS在电力系统中的应用
由于WAMS能提供全网各节点的实时同步相量信息,因此在电力系统中的应用非常广泛,下面给出了一些WAMS在电力系统中的应用情况。
1.电网扰动识别
通常用于状态监控的扰动识别方法[4]可分为两类:统计方法(也称非确定性分类方法)和自由分布方法(也称确定性分类方法)。统计模式识别方法的性能依赖于特征量的概率分布,而电力系统的监控中的概率分布往往是未知的,所以此种方法不适用于电力系统。而自由分布模式识别方法以样本和描述过程状态模式之间的相似性为基础,因此较适用于电力系统。
在进行扰动识别时,电力系统的WAMS中心站通过分布于全网的PMU采集到的信息包括电压、电流、功率、频率和相角等。由于功率变化具有很大的不确定性,而负序和零序分量对系统本身影响较小。因此,可采用以下特征量进行分析处理:正序电压、正序电流、母线频率和发电机功角。这些测量值的变化可反映出电网中不同的扰动。
由于各种通道延时,PMU子站数据传送至中心站的数据延时约为20～50 ms。这对于扰动识别来说,可以满足实时性要求。
2.低频振荡在线辨识
电力系统在遭受到小扰动时的暂态响应过程代表了系统的低频振荡特性。利用WAMS同步对时测量系统,远方的PMU能够对系统暂态过程进行精确地采样,并将离散数据列传送到主站中心进行Prony分析。
在WAMS系统中,小扰动激励下的暂态过程首先是由远方PMU进行采样,然后PMU为各个采样数据对象赋以GPS时标。PMU与WAMS主站之间通过建立TCP/IP连接来进行采样数据的传递。主站方一般被选定为协议的客户方。当数据被传送到主站后,主站程序依据双方约定的应用规约对TCP数据报文进行解释。根据各个采样点自带的GPS时标,暂态过程数据被存入到原始数据缓冲区中。[5]
3.潮流转移识别
电力系统的潮流转移通常发生在网络的拓扑结构发生变化后,当系统中某条线路因故障被切除后,其上的潮流将会转移到系统中其他正常运行的线路上,从而有可能引起正常线路的过载。由于现有的保护都是仅利用保护安装处的本地测量信号来达到尽快清除故障元件或不正常运行状态的目的,而不考虑其动作对整个系统的影响,所以它无法区分故障与潮流转移造成的过负荷,不能阻止因线路陆续过载而引起的连锁跳闸事件。
广域测量系统(WAMS)的出现为电力系统继电保护的设计提供了一个全新的思路。通过WAMS可以获得全网的同步动态信息,这使得从电网整体最优的角度来設计保护成为可能,并且高速数据传输使得主站的数据更新达到20～50ms,这对于后备保护的设计尤为重要,因其出口延时可以使它有足够的时间来获取整个电力系统中的同步信息。
文献[6]提出了一种基于广域测量系统的潮流转移识别算法, 用于避免因故障线路切除导致潮流转移引起的电力系统中其他正常线路后备保护动作,从而避免了连锁跳闸的发生。
4.电力系统状态估计
状态估计是现代电力系统中能量管理系统(EMS)的一个重要组成部分,它是从软件的角度利用算法来对系统中的各种量测进行去伪存真、提高精度的方法,是电力系统许多在线计算分析应用的基础。目前这方面无论是在理论还是工程实践上都已经有了大量的研究成果。
广域测量系统不但具有数据采集精度高、数据传输通信快的特点,而且在测量类型上增加了母线电压相角测量和支路电流相角测量,因此可以利用这些特点来改进目前状态估计算法。
文献[7]采用伪量测的概念,利用量测变换方法把SCADA系统上的支路功率量测转换成等效支路电流相量量测,对原有的WAMS量测进行补充从而组成混合量测系统,并给出了直角坐标形式的混合量测状态估计算法。该算法具有常数的雅克比矩阵和信息矩阵,经过一些简化处理,该信息矩阵可对节点电压相量的实部和虚部进行解耦处理。此外,该文还研究了该算法对有注入功率节点的处理,并针对不同的R/X值对该算法收敛情况的影响以及PMU量测值对估计结果精度的影响进行了分析。
三、结论
通过总结WAMS在电力系统电网扰动识别、低频振荡在线辨识、潮流转移识别和电力系统状态估计等方面的应用可见,WAMS给电力系统中一系列问题的研究提供了新的方法和视角,探讨WAMS在电力系统中各个领域的新的应用,尤其是基于WAMS技术构建大规模互联电力系统的广域安全监测控制系统将会有重大的意义。
参考文献:
[1]王凌.智能优化算法及其应用[M].北京:清华大学出版社,2001:1-230.
[2]张颖,刘艳秋.软计算方法[M].北京:科学出版社,2002:134-154.
[3]周明,孙树栋.遗传算法原理及应用[M].北京:人民邮电出版社,2001.
[4]宋晓娜,毕天妹,吴京涛,杨奇逊.基于WAMS的电网扰动识别方法[J].电力系统自动化,2006,30(5):24-28.
[5]陈树恒,李兴源.基于WAMS的低频振荡模式在线辨识算法[J].继电器,2007,35(2):17-22.
[6]徐慧明,毕天妹,黄少锋,等.基于WAMS的潮流转移识别算法[J].电力系统自动化.2006,30(14):14-19.
[7]丁军策,蔡泽祥,王克英.基于广域测量系统的混合量测状态估计算法[J].中国电机工程学报,2006,26(2):58-63.
(责任编辑:苏宇嵬)